基于免疫遗传算法聚类和特征降维的研究

《基于免疫遗传算法聚类和特征降维的研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、摘要1111111IIIIIIlllII舢1Y1944454随着信息技术的飞速发展，各种数据呈几何级数增长，面对这些海量的数据，如何利用数据挖掘技术获取有价值的知识，已经成为学术界和工业界的重要研究课题之一。聚类分析作为数据挖掘过程中的重要组成部分，也受到了广泛的关注。本文将免疫遗传算法应用于数据挖掘方法中，针对高维特征的维数约减和数据聚类问题进行了深入的研究，主要工作包括以下几方面的内容。首先全面分析了遗传算法和免疫算法的原理特性，将免疫机制引入遗传算法中。重点介绍了免疫遗传算法的设计过程和特点。随后从理论层面上剖析了聚类分析的数学描述、数据结构、相

2、异性度量方法以及常用的一些聚类算法。针对k．medoids算法容易受初始聚类中心的影响问题，本文提出将免疫遗传算法与k．medoids算法相结合组成新的聚类方法，这样既可以获得全局最优解，也可以很好的区分孤立点。同时由于使用改进的中心点替换策略，可以加快收敛速度，节约时间成本。采用免疫遗传算法与CHI统计方法相结合进行文本特征降维。文本特征通常采用向量空间模型表示，而高维稀疏的特征矩阵会降低聚类的效率和准确率。本文首先运用CHI方法对文本特征进行降维，使得文本特征从几千维降至几百维，然后在此基础上再利用免疫遗传算法继续降维，这样不仅有效地降低了维数，而

3、且提高了聚类质量。·关键词：数据挖掘；聚类；k-medoids；特征降维；免疫遗传算法AbstractWiththerapiddevelopmentofinformationtechnology,variousdataisincreasinginageometricrate．Inthefaceofvastamountdata,howtoobtainvaluableknowledgeintheuseofdataminingtechnology,hasbecomeoneoftheimportantresearchtopicsbetweenacademiaa

4、ndindustry．Asallimportantcomponentpartsinthedatammmgprocess，Clusteringanalysishasreceivedwidespreadconcern．Thepaperhasapplyedimmunegeneticalgorithmtodammining．Aimingtothedimensionreductionofhighdimensionalcharacteristicsanddataclusteringissues，thepaperhasdonefurtherresearch，incl

5、udingthefollowingaspectsofcontent．Firstly,thepaperhascomprehensivelyanalyzedthetheoryofgeneticalgorithmandimmunealgorithm，andputimmunemechanismintogeneticalgorithm，andgivenemphasistointroducethedesignprocessofimmunegeneticalgorithmanditscharacteristic．Then，fromtheperspectiveofth

6、eory,thispaperhasanalyzedclusteringanalysis，includingmathematicaldescription，datastructure，dissimilaritymeasuremethodandsomecommonclusteringalgorithm．Duetok．medoidsalgorithmbytheinfluenceofinitialclusteringcenter,thispaperhaspresentedanewclusteringmethodbasedonimmunealgorithmand

7、k-medoidsalgorithm．Themethodnotonlycanobtaintheglobaloptimumsolution，butalsoCanbetterdistinguishtheisolatedpoints．Atthesanletime，thenewmethodmayexpeditetheconvergencespeedandsavethetimecostbecauseofusingimprovedcenterreplacestrategy．Tl：lispaperhascombinedimmunegeneticalgorithmwi

8、thCHIstatisticalmethodtoreducethedimensionoftex